Istraživači već jedan vek proučavaju industrijsku proizvodnju amonijaka. Ali oni su se borili da pronađu načine da poboljšaju proces niskog prinosa i niske efikasnosti.
Atmosferski azot, uz pomoć gvozdenog katalizatora, reaguje sa vodonikom da bi se dobio amonijak. Ta reakcija proizvodi mnogo amonijaka — svetska proizvodnja je 160 miliona tona svake godine. Najviše se koristi u poljoprivredi, posebno kao azotno đubrivo. Takođe se koristi u mnogim industrijama, uključujući hlađenje za proizvodnju hrane i pića. Svi to znamo kao sredstvo za čišćenje u domaćinstvu.
Istraživački tim koji predvodi Ki An, vanredni profesor nauke o materijalima i inženjeringa na Državnom univerzitetu u Ajovi, razvio je tehnologiju veštačke inteligencije koja bi mogla da pronađe načine da poboljša razumevanje istraživača o hemijskim reakcijama uključenim u proizvodnju amonijaka i drugim složenim hemijskim reakcijama.
„Naš razvijeni HDRL-FP okvir ima potencijal da značajno doprinese optimizaciji ovog procesa, potencijalno smanjujući troškove proizvodnje i emisiju CO₂ i olakšavajući uspostavljanje manjih i rasprostranjenijih postrojenja“, napisali su istraživači u radu koji je nedavno objavio onlajn časopis Nature Communications . „Stoga, okvir naglašava njegovu efikasnost i potencijal za predviđanje složenih puteva hemijskih reakcija.“
HDRL-FP je visoko propusno učenje sa dubokim pojačanjem sa prvim principima. An i njegovi saradnici i koautori — Tian Lan i Huan Vang iz Salesforce AI Research-a u Kaliforniji — kažu da je tehnologija puna potencijala.
„Istraživanje mehanizama katalitičke reakcije je ključno za razumevanje hemijskih procesa, optimizaciju reakcionih uslova i razvoj efikasnijih katalizatora“, napisali su.
Rekao je da postoje dva ključa za softversku tehnologiju istraživača: tip mašinskog učenja koji se zove učenje pojačanja i povezivanje procesa simulacije sa pozicijama uključenih atoma.
Rečeno učenje sa pojačanjem je kao obuka psa korišćenjem nagrada za podsticanje akcija. U učenju sa pojačanjem, računari uče iz svojih postupaka dok traže odgovarajuće nagrade. U ovom slučaju, nagrade su sve u pronalaženju najboljeg, najefikasnijeg, najjeftinijeg puta reakcije.
Metoda, kada se koristi sa jedinicama za obradu grafike i strategijama visoke propusnosti, može brzo i automatski identifikovati optimalni put reakcije iz hiljada potencijalnih puteva, rekao je An. To efikasno identifikuje održive mehanizme reakcije usred izuzetno bučnih podataka u stvarnim hemijskim reakcijama.
Istraživači su takođe izgradili tehnologiju da bude korisna za opšte studije katalitičkih reakcija. Studije počinju sa pozicijama atoma mapiranih na energetskom pejzažu. To je dovoljno – istraživači ne moraju da počnu sa konkretnijim predstavljanjem reakcionog okruženja, uključujući stanja, akcije ili nagrade za određenu reakciju.
An i njegovi saradnici su radili na projektu oko dve godine. Počelo je kada se An preselio u državu Ajova i bio podržan od strane svojih univerzitetskih fondova za pokretanje.
On je rekao da se proračuni sistema za reakciju koja proizvodi amonijak smatra demonstracijom dokaza o konceptu.
„Ovo nam omogućava da shvatimo mehanizam reakcije“, rekao je An. „U mogućnosti smo da vidimo važne korake reakcije u sintezi amonijaka.“
Uspešno zavirivanje istraživača u tu reakciju „automatski omogućava istraživanje složenih katalitičkih hemijskih reakcija“, napisali su, „nudeći obećavajući pristup za buduća istraživanja i otkrića“.
